相关分析第一节 Bivariate Correlations 过程7.1.1 主要功能7.1.2 实例操作第二节 Partial Correlations 过程7.2.1 主要功能7.2.2 实例操作第三节 Distances Correlations 过程7.3.1 主要功能7.3.2 实例操作任何事物的存在都不是孤立的，而是相互联系、相互制约的。在医学领域中，身高与 体重、体温与脉搏、年龄与血压等都存在一定的联系。说明客观事物相互间关系的密切程 度并用适当的统计指标表示出来，这个过程就是相关分析。 值得注意，事物之间有相关，不一定是因果关系，也可能仅是伴随关系。但如果事物 之间有因果关系，则两者必然相关。SPSS 的相关分析是借助于 Statistics 菜单的 Correlate 选项完成的。第一节 Bivariate 过程7.1.1 主要功能调用此过程可对变量进行相关关系的分析，计算有关的统计指标，以判断变量之间相 互关系的密切程度。调用该过程命令时允许同时输入两变量或两个以上变量，但系统输出 的是变量间两两相关的相关系数。返回目录返回目录 返回全书目录返回全书目录7.1.2 实例操作例 7-1某地区 10 名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血 硒的相关分析。编号发硒血硒1 2 3 4 5 6 7 8 9 1074 66 88 69 91 73 66 96 58 7313 10 13 11 16 9 7 14 5 107.1.2.1 数据准备 激活数据管理窗口，定义变量名：发硒为 X，血硒为 Y，按顺序输入相应数值，建立 数据库（图 7.1） 。图 7.1 原始数据的输入7.1.2.2 统计分析激活 Statistics 菜单选 Correlate 中的 Bivariate.命令项，弹出 Bivariate Correlation 对话 框（图 7.2） 。在对话框左侧的变量列表中选 x、y，点击 钮使之进入 Variables 框；再在 Correlation Coefficients 框中选择相关系数的类型，共有三种：Pearson 为通常所指的相关系 数（r） ，Kendells tau-b 为非参数资料的相关系数，Spearman 为非正态分布资料的 Pearson 相关系数替代值，本例选用 Pearson 项；在 Test of Significance 框中可选相关系数的单侧 （One-tailed）或双侧（Two-tailed）检验，本例选双侧检验。图 7.2 相关分析对话框点击 Options.钮弹出 Bivariate Correlation:Options 对话框（图 7.3） ，可选有关统计项 目。本例要求输出 X、Y 的均数与标准差以及 XY 交叉乘积的标准差与协方差，故选 Means and standard deviations 和 Cross-product deviations and covariances 项，而后点击 Continue 钮返回 Bivariate Correlation 对话框，再点击 OK 钮即可。图 7.3 相关分析统计对话框7.1.2.3 结果解释： 在结果输出窗口中将看到如下统计数据：变量 X、Y 的例数、均数与标准差，变量 X、Y 交叉乘积的例数、标准差与协方差；XY 两两对应的相关系数及其双侧检验的概率， 本例 r = 0.8715，P = 0.001。Variable Cases Mean Std DevX 10 75.4000 12.2945 Y 10 10.8000 3.3267Variables Cases Cross-Prod Dev Variance-Covar X Y 10 320.8000 35.6444X Y X 1.0000 .8715( 10) ( 10)P= . P= .001 Y .8715 1.0000( 10) ( 10)P= .001 P= . (Coefficient / (Cases) / 2-tailed Significance) “ . “ is printed if a coefficient cannot be computed返回目录返回目录 返回全书目录返回全书目录第二节 Partial 过程7.2.1 主要功能调用此过程可对变量进行偏相关分析。在偏相关分析中，系统可按用户的要求对两相 关变量之外的某一或某些影响相关的其他变量进行控制，输出控制其他变量影响后的相关 系数。返回目录返回目录 返回全书目录返回全书目录7.2.2 实例操作例 7-2某地 29 名 13 岁男童身高（cm） 、体重（kg）和肺活量（ml）的数据如下表, 试对该资料作控制体重影响作用的身高与肺活量相关分析。编号身高 （cm）体重(kg)肺活量(ml)编号身高 （cm）体重(kg)肺活量(ml)1135.132.0175016153.047.217502 3 4 5 6 7 8 9 10 11 12 13 14 15139.9 163.6 146.5 156.2 156.4 167.8 149.7 145.0 148.5 165.5 135.0 153.3 152.0 160.530.4 46.2 33.5 37.1 35.5 41.5 31.0 33.0 37.2 49.5 27.6 41.0 32.0 47.22000 2750 2500 2750 2000 2750 1500 2500 2250 3000 1250 2750 1750 225017 18 19 20 21 22 23 24 25 26 27 28 29147.6 157.5 155.1 160.5 143.0 149.4 160.8 159.0 158.2 150.0 144.5 154.6 156.540.5 43.3 44.7 37.5 31.5 33.9 40.4 38.5 37.5 36.0 34.7 39.5 32.02000 2250 2750 2000 1750 2250 2750 2500 2000 1750 2250 2500 17507.2.2.1 数据准备 激活数据管理窗口，定义变量名：身高为 height，体重为 weight，肺活量为 vc，按顺 序输入相应数值，建立数据库。7.2.2.2 统计分析激活 Statistics 菜单选 Correlate 中的 Partial.命令项，弹出 Partial Correlations 对话框 （图 7.4） 。现欲在控制体重的影响下对变量身高与肺活量进行偏相关分析，故在对话框左 侧的变量列表中选变量 height、vc，点击 钮使之进入 Variables 框，选要控制的变量 weight，点击 钮使之进入 Controlling for 框中, 在 Test of Significance 框中选双侧检验， 然后点击 OK 钮即可。图 7.4 偏相关分析对话框7.2.2.3 结果解释 在结果输出窗口中将看到如下统计数据：控制体重的影响后，身高与肺活量的相关系 数为 0.0926，经检验 P = 0.639，故身高与肺活量的线性相关不存在。 （如果不控制体重的影响，则身高与肺活量的相关系数为 0.5884，P 为 0.001。在有控制的情况下，身高与肺活量的决定系数 = r2 = 0.00857，而无控制的身高与肺活量决定系数 = r2 = 0.34621，可见身 高与肺活量的相关有 33.764%是由体重协同作用而产生的。 ）Controlling for. WEIGHTHEIGHT VC HEIGHT 1.0000 .0926( 0) ( 26)P= . P= .639 VC .0926 1.0000( 26) ( 0)P= .639 P= .(Coefficient / (D.F.) / 2-tailed Significance)“ . “ is printed if a coefficient cannot be computed如果控制变量改为身高，则得如下结果：体重与肺活量的相关系数为 0.5528，经检验 P = 0.002，故体重与肺活量的线性相关存在。可见，尽管肺活量与身高和体重均有关系， 但如果仅仅研究其中一个变量与肺活量的相关关系时，体重的意义会更大。Controlling for. HEIGHTVC WEIGHT VC 1.0000 .5528( 0) ( 26)P= . P= .002 WEIGHT .5528 1.0000( 26) ( 0)P= .002 P= .(Coefficient / (D.F.) / 2-tailed Significance)“ . “ is printed if a coefficient cannot be computed返回目录返回目录 返回全书目录返回全书目录第三节 Distances 过程7.3.1 主要功能调用此过程可对变量内部各观察单位间的数值进行距离相关分析，以考察相互间的接 近程度；也可对变量间进行距离相关分析，常用于考察预测值对实际值的拟合优度。返回目录返回目录 返回全书目录返回全书目录7.3.2 实例操作例 7-3某医师对 10 份标准血红蛋白样品作三次平行检测，结果如下，问检测结果是 否一致？样品号12345678910第一次 第二次 第三次12. 36 12. 40 12. 1812.14 12.20 12.2212.31 12.28 12.3512.32 12.25 12.2112.12 12.22 12.1012.28 12.34 12.2512.24 12.31 12.2012.41 12.30 12.4612.33 12.22 12.3612.17 12.24 12.117.3.2.1 数据准备激活数据管理窗口，定义变量名：第一次测量值为 HB1，第二次测量值为 HB2，第三 次测量值为 HB3，输入相应数值即完成。7.3.2.2 统计分析 激活 Statistics 菜单选 Correlate 中的 Distance.命令项，弹出 Distance 对话框（图 7.5） 。 在对话框左侧的变量列表中选变量 hb1、hb2、hb3，点击 钮使之进入 Variables 框。在 Compute Distances 框中有两个选项，Between cases 表示作变量内部观察值之间的距离相关 分析，Between variables 表示作变量之间的距离相关分析，在本例中，因三次平行测量结 果分别置于三个变量中，故选择后者。图 7.5 距离相关分析对话框在 Measure 栏中有两种测距方式：Dissimilarities 为不相似性测距，Similarities 为相似 性测距。若选 Dissimilarties 并点击 Measure.钮，弹出 Distance:Dissimilarity Measure 对话 框（图 7.6） ，用户可根据数据特征选用测距方法：图 7.6 距离相关中不相似性距离测量对话框1、计量资料 E